[發(fā)明專利]一種基于圖像特征的特種車輛儀表類型識別與標定方法

有效

• 申請?zhí)枺?/td>: 201210509245.8
• 申請日: 2012-12-03
• 公開（公告）號: CN103034838A
• 公開（公告）日: 2013-04-10
• 發(fā)明（設計）人: 張伏龍;白真龍;王濤;郭迎春;張華;李廣峰;趙玉林;張昌俊
• 申請（專利權(quán)）人: 中國人民解放軍63963部隊;北京科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京金智普華知識產(chǎn)權(quán)代理有限公司 11401
• 代理人: 皋吉甫

1.一種基于圖像特征的特種車輛儀表類型識別與標定方法，其特征在于，所述方法如下：

首先對每種類型的特種車輛儀表，采集一些特種車輛儀表圖像，經(jīng)過人工判斷，把有代表性的圖像留下當作訓練樣本；針對每個訓練樣本，通過圖像預處理方法對圖像質(zhì)量進行歸一化；然后提取出儀表圖像的圓盤，根據(jù)圓盤半徑對儀表圖像進行大小歸一化；歸一化后分別對特種車輛儀表圖像提取顏色特征和Gabor紋理特征；最后針對所有的訓練樣本，分別以顏色特征和Gabor紋理特征為向量為每種類型建立模型；

每種類型的儀表的訓練樣本庫的特征模型建立好后，對于采集到的實時圖像，同樣經(jīng)過圖像預處理進行圖像質(zhì)量歸一化，提取儀表圓盤進行儀表大小歸一化，歸一化后分別提取顏色特征和Gabor紋理特征，對這兩種特征與各個類型的儀表訓練樣本的特征模板分別進行模式匹配，用最近鄰法則得到儀表分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述儀表圖像歸一化具體如下：

首先對特種車輛儀表圖像進行預處理，通過中值濾波去隨機噪聲、通過顏色拉伸增強儀表圖像的對比度；其中中值濾波采用結(jié)合均值濾波和自適應中值濾波兩者優(yōu)點的改進型自適應中值濾波算法；并使用帶修正的自適應鄰域平均法消除圖像干擾和噪音；其中，通過顏色拉伸增強儀表圖像的對比度：先獲取彩色圖像對應的灰度圖像，并統(tǒng)計儀表圖像中的灰度最小值g1，灰度最大值g2，將其拉升到(0,255)的灰度空間，使得灰度圖像更加清晰；設g1為總像素大于n(比如n=10)的最小灰度，g2為總像素大于n(比如n=10)的最大灰度；對于任意像素點，其灰度值為gray(x,y),拉升后對應的灰度值為GRAY(x,y),則有：

GRAY(x,y)=255×[gray(x,y)-g1](g2-g1)---(1)]]>

對于RGB模式的彩色圖像，其對應的紅色、綠色、藍色的色彩拉升分別為：

R(x,y)=255×[r(x,y)-g1](g2-g1)---(2)]]>

G(x,y)=255×[g(x,y)-g1](g2-g1)---(3)]]>

B(x,y)=255×[b(x,y)-g1](g2-g1)---(4)]]>

其次，利用Hough變換檢測圓弧的方法獲取特種車輛儀表圓盤的邊緣；

得到儀表圓盤的大小后，對儀表的大小進行線性歸一化，即裁剪掉儀表圓盤外的區(qū)域，然后把所有的儀表圓盤內(nèi)的像素歸一化成半徑為64像素大小的圖像；線性歸一化時，在X和Y軸方向只做等比例的變換；歸一化后，儀表圖像變成128x128大小的矩形，矩形圖像的邊緣緊接著儀表圓盤，儀表圓盤外的區(qū)域的像素都設置成白像素。